Implementasi Algoritma Backpropagation Neural Network dengan Algoritma Genetika untuk Memprediksi Harga Bahan Pangan

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi harga bahan pangan di Pasar Sentral Majene dengan memanfaatkan algoritma backpropagation neural network dan algoritma genetika. Selanjutnya, model dibentuk dengan menggunakan algoritma backpropagation neural network dan dioptimasi dengan algoritma genetika. Data harga bahan pangan yang digunakan dalam penelitian ini berasal dari catatan mingguan di Pasar Sentral Majene yang bersumber dari Dinas Perdagangan Kabupaten Majene pada periode 2017-2022. Hasil dari penelitian ini menunjukkan bahwa model prediksi yang dikembangkan dengan menggunakan algoritma backpropagation neural network dan dioptimasi dengan algoritma genetika mampu memberikan hasil prediksi harga bahan pangan di Pasar Sentral Majene yang akurat dan dapat diandalkan. Dalam hal ini, pengujian menggunakan BPNN menghasilkan akurasi tertinggi sebesar 95,84% dan MAPE 4,15 dengan learning rate 0,09 dan epoch 400. Sedangkan pengujian menggunakan BPNN-GA hasil akurasi tertinggi mencapai 99,33% dan MAPE 0,66 dengan pc dan pm 1.0 pada generasi 100 dan epoch 400. Kesimpulannya, algoritma backpropagation neural network dan algoritma genetika dapat mengoptimasi BPNN dan dapat digunakan sebagai alternatif untuk memprediksi harga bahan pangan di Pasar Sentral Majene